python之Pandas 计算行之间的差异

我的目标是计算从开始/结束到结束的日期差异。我知道我必须按 Id 对它们进行分组，但我不确定如何计算 Day 之间的差异。

我试过 df['length'] = -(df.groupby('Id')['Day'].diff())。这与 End 没有比较，它仅在 Status 更改时计算差异。

df

Id Day Status 
 
111 1 Start 
 
111 5 End 
 
222 2 Begin 
 
222 7 End 
 
333 1 Start 
 
333 3 Begin 
 
333 7 End 

理想的结果是:

Id Day Status Length 
 
111 1 Start 4 
 
111 5 End  
 
222 2 Begin 5 
 
222 7 End 
 
333 1 Start 6 (since we Start on Day 1 and End on day 7) 
 
333 3 Begin 4 (since we Begin on Day 3 and End on day 7) 
 
333 7 End 

谢谢

请您参考如下方法:

这是另一种方法，groupby + transform -

v = df.groupby('Id').Day.transform('last') - df.Day 
df['Length'] = v.mask(v == 0)  # or v.mask(df.Status.eq('End')) 
 
df 
 
    Id  Day Status  Length 
0  111    1  Start     4.0 
1  111    5    End     NaN 
2  222    2  Begin     5.0 
3  222    7    End     NaN 
4  333    1  Start     6.0 
5  333    3  Begin     4.0 
6  333    7    End     NaN 

时间

df = pd.concat([df] * 1000000, ignore_index=True) 
 
# apply + iloc 
%timeit df.groupby('Id').Day.apply(lambda x : x.iloc[-1]-x).replace(0,np.nan) 
1 loop, best of 3: 1.49 s per loop 
 
# transform + mask  
%%timeit 
v = df.groupby('Id').Day.transform('last') - df.Day 
df['Length'] = v.mask(v == 0) 
 
1 loop, best of 3: 294 ms per loop